面向农作物病害识别的高阶残差卷积神经网络研究 | |
曾伟辉1; 李淼1; 张健1; 黄小平1; 王敬贤1; 袁媛1 | |
刊名 | 中国科学技术大学学报 |
2019 | |
卷号 | 49 |
关键词 | crop disease recognition high-order residual(HOR) robustness convolutional neural network(CNN) 农作物病害识别 高阶残差 鲁棒性 卷积神经网络 |
ISSN号 | 0253-2778 |
英文摘要 | 当前研究农作物病害的准确识别工作中,针对简单背景的农作物病害图像识别取得了巨大成功,但当面向包含有各种噪声和复杂背景真实场景的农作物病害图像识别问题时,难以满足识别准确率的要求.为此提出了一种新的面向农作物病害识别应用的高阶残差卷积神经网络方法,以实现农作物病害的准确、抗干扰的识别.实验结果表明,该方法具有高准确率、强鲁棒性和良好的抗干扰能力,能较好地满足农作物病害识别的实际应用需求. |
语种 | 中文 |
CSCD记录号 | CSCD:6751975 |
内容类型 | 期刊论文 |
源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/48686] |
专题 | 中国科学院合肥物质科学研究院 |
作者单位 | 1.中国科学院合肥智能机械研究所 2.中国科学院合肥智能机械研究所 3.中国科学院合肥智能机械研究所 4.中国科学院合肥智能机械研究所 5.中国科学院合肥智能机械研究所 6.中国科学院合肥智能机械研究所 |
推荐引用方式 GB/T 7714 | 曾伟辉,李淼,张健,等. 面向农作物病害识别的高阶残差卷积神经网络研究[J]. 中国科学技术大学学报,2019,49. |
APA | 曾伟辉,李淼,张健,黄小平,王敬贤,&袁媛.(2019).面向农作物病害识别的高阶残差卷积神经网络研究.中国科学技术大学学报,49. |
MLA | 曾伟辉,et al."面向农作物病害识别的高阶残差卷积神经网络研究".中国科学技术大学学报 49(2019). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论